改进离散粒子群算法及其在飞机装配任务调度中的应用研究

论文阐述了飞机装配过程中任务调度的重要意义,介绍了当前调度算法的研究现状,对离散粒子群优化算法进行研究并在此基础上提出一种基于激励原则的改进离散粒子群优化算法。最后以某型飞机尾段装配流程为对象对改进后的算法进行验证,得到良好效果。     

弹性飞机的混合 最优PID控制器参数优化

基于弹性飞机的降阶模型设计控制器时需要考虑模型降阶带来的降阶误差,这就需要设计的控制器具有较强的鲁棒性。为此,以某弹性飞机12阶模型为例,研究了基于弹性飞机降阶模型的混合 最优PID控制器的参数优化。首先基于平衡截断法得到了6阶降阶模型。然后,根据全阶模型和降阶模型的频域降阶误差选取了合适的鲁棒加权函数。之后,给出了闭环系统跟踪误差 范数的一种简化计算方法用于 优化指标的计算。最后基于差分进化算法进行了混合 最优PID控制器的参数寻化。仿真结果表明,与 混合灵敏度控制器相比,优化得到的混合 最优PID控制器具有更强的鲁棒性,能同时镇定参数和非参数两种不确定性。对弹性形变模态也有较好的抑制作用,刚性模态也取得了很好的响应效果。     

基于卡箍优化布局的飞机液压管路减振分析

飞机液压管路振动过大是一个亟待解决的问题,考虑了主动消振方式较为复杂,难以在飞机液压系统实现,提出了基于系统特征阻抗,通过优化卡箍布局的被动消振方式。首先建立系统管道及各元件数学模型,利用传递矩阵法（Transfer Matrix Method, TMM）得到其频域特征阻抗变化规律。以激振源固有频率点的特征阻抗加权和为目标函数,利用粒子群优化算法（Particle Swarm Optimization, PSO）在一定范围内调整卡箍位置,使在激振源频率点的特征阻抗加权和降到最低。通过优化卡箍位置,系统特征阻抗加权和较优化前衰减28.13%,验证了其有效性,为飞机液压管路的优化布局提供了一定的理论依据。     

采用混合粒子群算法实现匹配追踪算法

针对匹配追踪信号稀疏分解的巨大计算量问题,在具有全局优化能力的粒子群算法基础上,提出了一种结合BFGS(Broyden、Fletcher、Goldfarb和Shanno)方法和变异操作的混合粒子群算法实现信号匹配追踪分解。利用BFGS方法增强了算法的局部开发能力,加快了信号特征提取速度;通过变异操作控制种群多样性以避免早熟收敛,增强了算法全局探测能力,提高了信号特征提取精度。通过与单一粒子群算法和遗传算法实现仿真信号匹配追踪分解的结果进行对比,证明了使用混合粒子群算法的匹配追踪分解能够快速准确提取信号特征参数。最后,将该算法应用于某内圈损伤轴承振动信号中的冲击特征提取,结果表明该算法在工程应用中具有一定的准确性和实用性。     

基于装配顺序的飞机装配容差信息建模

论文提出了基于装配顺序的装配容差信息建模方法,以装配仿真路径规划的装配顺序为基础,提取装配体中各零件的特征约束关系及相关的关键特征,进而获取组成环容差信息,建立装配容差信息模型。该模型考虑了装配顺序对装配误差累积过程的影响,减少了人工容差信息建模繁琐的交互操作,提高了装配容差信息的建模质量。基于DELMIA平台开发了飞机装配仿真系统。该系统已在工程上成功应用,提高了飞机装配仿真的效率,减少了飞机实际装配生产中的出错率。     

基于混合PSO算法的桁架动力响应优化

摘 要：本文针对以结构动力响应为约束,最小重量为目标的桁架拓扑优化问题,提出了一种将微粒群算法和优化准则法结合的混合PSO算法。利用优化准则法的迭代关系找出群体中适应度最好的微粒,将其作为特殊微粒,其他微粒的寻优采用PSO的基本进化规则,位移响应约束利用特殊微粒的灵敏度信息近似计算。算例的计算结果表明,混合PSO算法适用于受简谐荷载以及脉冲荷载作用桁架结构的拓扑优化。混合PSO的计算效率比PSO算法高,其优化效果比优化准则法好。     

基于樽海鞘群算法的负荷管理错峰计划优化

为了解决供需平衡问题,提高负荷管理效率,提出了一种基于樽海鞘群算法的负荷管理错峰计划优化,该方法综合考虑了作息时间、运行方式和轮休制度的影响,以负荷管理中错峰计划用户受影响指数最小为目标函数,获得了最优负荷管理策略。采用经典三分割配电网络进行仿真分析,结果表明,综合考虑作息时间、运行方式和轮休制度时的错峰计划用户受影响指数最小值为59,与只考虑作息时间的最优解相比,降低了42.72%,验证了该文所提负荷管理中错峰计划优化方法的正确性。     

改进的混合粒子群优化算法

针对粒子群算法后期收敛速度较慢,易陷入局部最优的缺点,提出了改进的混合粒子群算法.通过更改现有的速度更新公式,加入扰动项,以及引入交叉和变异算子等措施,改进了粒子群算法的性能.数值试验表明,改进后的粒子群算法在全局寻优和局部寻优能力上均得到提高,是一种有效的优化算法.     

基于动态自适应混沌粒子群优化算法的干线协调控制方法

针对城市道路连续交叉口控制效益较低的问题,提出一种基于动态自适应混沌粒子群优化算法(DACPSOA)的干线协调控制方法。首先,通过分析上下游断面交通需求的相关性,考虑交叉口信号配时、车辆转出、车队离散等因素,在Robertson离散模型的基础上,提出了基于上游交叉口信号配时参数的车流到达率预测。在此基础上,根据车队头车、尾车到达时间与协调相位的绿灯开启时间、结束时间以及非协调相位(左转、右转)车流释放结束时间的关系,建立干线交通双向绿波控制总延误模型;其次,根据总延误模型的特征,设计了一种动态自适应混沌粒子群优化算法;最后,利用微观仿真软件SUMO建立典型的交通环境,仿真结果表明,与传统的数解法和单点控制相比,协调相位的平均延误分别降低了24.97%和57.23%,协调相位的平均停车次数分别降低了27.88%和64.01%,有效提高了交叉口的通行效率。     

混合粒子群算法在混流装配线优化调度中的应用

应用粒子群算法求解混流装配线的优化调度问题,给出粒子的构造方法,并针对算法中存在过早收敛的问题,提出了一种与局部优化和粒子微变异方法相结合的混合粒子群算法.给出了一个实例,实例应用粒子群算法和混合粒子群算法分别进行求解,与其他一些方法比较表明,混合粒子群算法可以有效、快速地求得混流装配线优化调度问题的解.     

遗传禁忌搜索算法在混流装配线排序中的应用

针对混流装配线排序问题，提出了一种混合遗传禁忌搜索算法，在每一代遗传演化之后，按一定比例随机选择部分解进行禁总搜索，以提高算法的全局搜索能力和收敛性。通过一个混流装配线排序实验，分别利用遗传算法和遗传禁忌搜索算法进行求解，结果表明遗传禁忌搜索算法具有更好的全局搜索能力和收敛性能。     

混流装配线调度问题的离散粒子群优化解

混流装配线调度问题是JIT生产中的一个重要问题。借鉴二进制遗传算法中的交叉操作过程，对传统的连续型粒子群算法进行改进，使其适用于离散问题的优化处理。然后以丰田公司的汽车组装调度函数作为目标函数，利用改进的离散粒子群算法进行求解。对比分析表明：新算法所得结果优于常用的目标追随法、遗传算法、模拟退火等方法。     

基于混合粒子群算法的群岛泊位分配问题研究

泊位分配是提高港口运营效率的关键。针对群岛泊位分配问题,以船舶总在港时间为优化目标,构建了群岛泊位分配问题模型,并提出了一种混合粒子群算法进行求解。该算法在更新粒子状态时加入模拟退火和免疫调节操作,增强了算法的全局搜索能力。实验结果表明,混合粒子群算法在求解群岛泊位分配问题时,具有较好的优化性能,验证了算法的有效性和可行性。     

基于模拟退火粒子群混合算法的纸浆浓度控制系统

目的为了得到最优的控制器参数,以满足纸浆浓度实际控制要求,更好地克服控制难点。方法提出一种模拟退火粒子群混合算法,并应用于纸浆浓度控制系统,对其PID控制器参数进行整定优化,基于MATLAB的.m程序和Simulink进行仿真,并与其他整定方法进行比较。结果该优化方法能够得到较为理想的控制效果,系统过度平稳、响应快、超调小、调整时间短、鲁棒性好,其输出响应曲线上升时间为9 s,超调量为3.07%,调整时间为22.8 s。结论基于此混合算法的优化控制,不仅兼顾2种算法各自的优点,且相对于二者各自的优化控制及传统整定方法具有显著优越性,可以更好地满足现场控制要求。     

粒子群优化算法综述

粒子群优化（PSO）算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等,并对其未来的研究提出了一些建议。     

基于粒子群与聚类的多目标优化算法

针对粒子群优化算法容易陷入局部最优的问题,提出了一种基于粒子群优化与分解聚类方法相结合的多目标优化算法。算法基于参考向量分解的方法,通过聚类优选粒子策略来更新全局最优解。首先,通过每条均匀分布的参考向量对粒子进行聚类操作,来促进粒子的多样性。从每个聚类中选择一个具有最小聚合函数适应度值的粒子,以平衡收敛性和多样性。动态更新全局最优解和个体最优解,引导种群均匀分布在帕累托前沿附近。通过仿真实验,与4种粒子群多目标优化算法进行对比。实验结果表明,提出的算法在27个选定的基准测试问题中获得了20个反世代距离(IGD)最优值。     

基于资源缓冲的鲁棒性多模式项目调度优化

资源可用量的不足会影响项目的平稳实施.研究如何通过插入资源缓冲以最大化项目进度计划鲁棒性来抵抗资源可用量不足的问题.首先对研究问题进行界定;随后构建了包含三组决策变量的整数规划优化模型;针对问题的NP-hard属性,设计禁忌搜索启发式算法;最后,通过一个算例对研究进行验证说明,得到如下结论:与工期最小化进度计划相比,鲁棒性最大化进度计划具有较强的抗干扰能力;所构建的优化模型可实现资源缓冲的合理分配,进而有效提高项目进度计划的鲁棒性;项目进度计划的鲁棒性随项目截止日期的延迟而上升,但上升幅度趋于平缓.     

Research on a Distribution Center Location Model Based on a Particle Swarm Optimization Algorithm

Logistics is supposed to be the important source of profits for the enterprises besides reducing material consumption and improving labor productivity.Transportation costs,distribution center construction costs,ordering costs,safe inventory costs and inventory holding costs are the important parts of the total logistics costs.In this paper,based on the research results of LMRP(location model of risk pooling) location with fixed construction cost,the LMRPVCC(location model of risk pooling based on variable c...     

基于粒子群优化的小波神经网络及其在齿轮箱故障诊断中的应用

用粒子群算法（PS0）取代传统的梯度下降法,优化小波神经网络中的各个参数。将经过PS0训练的小波神经网络应用于齿轮箱故障诊断,实验结果表明,基于PS0算法的小波神经网络训练方法是有效的神经网络训练算法,同时也是解决故障诊断问题的有效途径。